فرمت فایل : Word /
تعداد صفحات : 98 /
الگوریتم ژنتیک قسمتی از محاسبات تکاملی میباشد، که در زمینه هوش مصنوعی رشد قابل ملاحظهای داشته است و می توان آن را جزء تکنیکهای مکاشفهای به حساب آورد . به طور خلاصه میتوان گفت تکنیکها مکاشفهای برای حل مسائلی بکار میروند که اگر ما بهترین و بهینهترین پاسخ را بخواهیم ،باید زمان زیاد و غیر معقولی را صرف کنیم و پیچیدگی زمانی الگوریتمهای غیر مکاشفهای در این مسائل با زیاد شدن ورودی به طور قابل ملاحظهای بالا میرود. با استفاده از تکنیکهای مکاشفهای میتوان یک جواب خوب را بدست آورد. همان طور که اشاره شد الگوریتم ژنتیک نیز برای حل این گونه مسائل به کار میرود.
الگوریتم ژنتیک توسط ژان هلند اختراع شد توسط خودوی،دانشجویانش و هم دانشکدهایهایش توسعه پیدا کرد.این کار منجر به چاپ کتاب «بهینه سازی در سیستمهای هوش و عصبی »و انتشار آن در سال 1975 شد.در سال 1992 ژان کوزوا الگوریتم ژنتیک را برای تکامل برنامههایی جهت انجام کارهای ویژه بکار گرفت. او این روش را برنامهنویسی ژنتیک نامید.
مقدمه
فصل اول: آشنایی با روش کلی الگوریتم ژنتیک
: معرفی: مزایای تکنیکهای مکاشفهای: تاریخچه :پیش زمینه بیولوژیکی: روال الگوریتم ژنتیک برای حل مسائل: قدمهای الگوریتم ژنتیک: کروموزوم در الگوریتم ژنتیک:کدگذاری کروموزومها1-8-1: کدگذاری دودویی
1-8-2:کدگذاری جایگشتی
1-8-3: کدگذاری درختی
فصل دوم: بررسی مسئله فروشنده دورهگرد با استفاده از الگوریتم ژنتیک
1-2: بررسی مسئله فروشنده دورهگرد
2-2: کدگذاری کروموزوم
2-3: ایجاد جمعیت اولیه
2-4: ایجاد نسل
2-5 : crossover و Mutation در حالتهای مختلف کدگذاری
2-5-1: کدگذاری دودویی
2-5-2: کدگذاری درختی
2-5-3: کدگذاری جایگشت
2-6 : پیادهسازی برنامه
2-6-1 : توضیح رابط کاربر
2-6-2 : کد برنامه
2-6-3 : توضیح کدبرنامه
2-6-3-1 : متغیرها
2-6-3-2 : توابع
2-6-3-3 : توضیح عملکرد برنامه
فصل سوم:مسئله n وزیر
3-1: تعریف
3-2: کدگذاری کروموزومها
3-3: جهش (Mutation)
3-4: ترکیب(Crossover)
3-5 : تابع شایستگی (Fitness)
3-6: پیاده سازی n وزیر
3-6-1: متغیرهای به کار رفته
3-6-2: توابع
فصل چهارم: مسئله کولهپشتی
4-1 : تعریف
4-1-1 : معرفی اجسام
4-1-2 : تعیین کروموزوم
4-1-3 : عمل بهینه fitness
4-1-3-1 : عملیات انتخابی
4-1-3-2 : انتخاب چرخ رولت
4-1-3-3 : مقایسه نتایج شیوه رولت با شیوه انتخابی
4-1-4 : crossover
4-1-5 : Mutation
4-2 : پیچیدگی برنامه
4-3 : نتیجه
فصل پنجم: زمانبندی چندپردازندهها
5-1 : تعریف
5-1-1 : روش کلاسیک
5-1-1-1 : (LPT) Large Processing Time
5-1-1-2 : (RLPT)Reverse Large Processing Time
5-1-1-3 : (sPT) Short Processing Time
5-1-1-4 : (LSPT) Large Short Processing Time
5-1-2 : زمانبندی پردازندهها با استفاده از الگوریتم ژنتیک
5-1-1-2 : کدگذاری کروموزوم
5-1-2-2 : جهش (Mutation)
5-1-2-3 : ترکیب (crossover)
5-1-2-4 : شایستگی هر کروموزوم (fitness)
5-1-2-5 : پیاده سازی برنامه
5-1-2-5-1 : توضیح رابط کاربر
5-1-2-5-2 : کد برنامه
5-1-2-5-3 : توضیح کد برنامه
5-1-2-5-3-1 : متغیرها
5-1-2-5-3-2 : توابع
5-2 : پیشنهاداتی برای بهبود کارایی الگوریتم ژنتیک
5-2-1 : درصد ترکیب crossover
5-2-2 : درصد جهش Mutation
5-2-3 : تعداد جمعیت اولیه
5-2-4 : تعداد نسلها
5-2-5 : Elitism
5-2-6: پیشنهادهایی برای بهبود عملکرد برنامهها
Blood: physiology and circulation / edited by Kara Rogers
Published in 2011 by Britannica Educational Publishing
(a trademark of Encyclopædia Britannica, Inc.)
in association with Rosen Educational Services, LLC
29 East 21st Street, New York, NY 10010.
Copyright © 2011 Encyclopædia Britannica, Inc. Britannica, Encyclopædia Britannica,
and the Thistle logo are registered trademarks of Encyclopædia Britannica, Inc. All
rights reserved.
مهندسی ژنتیک در پزشکی و دامداری و گیاهان چه کاربردی دارد؟؟
با تکنولوژی زیستی آشنا شوید و از کاربردهای ژنتیک در کشاورزی و دامداری و پزشکی مطلع شوید.
این پکیج آموزشی شامل 5 PDF همراه با تصویر و شرح مختصر و کامل میباشد.
الگوریتم ژنتیک (Genetic Algorithm – GA) تکنیک جستجویی در علم رایانه برای یافتن راهحل تقریبی برای بهینهسازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتمهای تکامل است که از تکنیکهای زیستشناسی فرگشتی مانند وراثت و جهش استفاده میکند. در واقع الگوریتمهای ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیشبینی یا تطبیق الگو استفاده میکنند. الگوریتمهای ژنتیک اغلب گزینه خوبی برای تکنیکهای پیشبینی بر مبنای تصادف هستند. مختصراً گفته میشود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامهنویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده میکند. مسألهای که باید حل شود ورودی است و راهحلها طبق یک الگو کد گذاری میشوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی میکند که اکثر آنها به صورت تصادفی انتخاب میشوند. کلاً این الگوریتمها از بخش های زیر تشکیل میشوند: تابع برازش، نمایش، انتخاب، تغییر
فهرست :
فصل اول
مقدمه
به دنبال تکامل…
ایدۀ اصلی استفاده از الگوریتم ژنتیک
درباره علم ژنتیک
تاریخچۀ علم ژنتیک
تکامل طبیعی (قانون انتخاب طبیعی داروین)
رابطه تکامل طبیعی با روشهای هوش مصنوعی
الگوریتم
الگوریتمهای جستجوی ناآگاهانه
الف جستجوی لیست
ب جستجوی درختی
پ جستجوی گراف
الگوریتمهای جستجوی آگاهانه
الف جستجوی خصمانه
مسائل NPHard
هیوریستیک
انواع الگوریتمهای هیوریستیک
فصل دوم
مقدمه
الگوریتم ژنتیک
مکانیزم الگوریتم ژنتیک
عملگرهای الگوریتم ژنتیک
کدگذاری
ارزیابی
ترکیب
جهش
رمزگشایی
چارت الگوریتم به همراه شبه کد آن
شبه کد و توضیح آن
چارت الگوریتم ژنتیک
تابع هدف
روشهای کد کردن
کدینگ باینری
کدینگ جایگشتی
کد گذاری مقدار
کدینگ درخت
نمایش رشتهها
انواع روشهای تشکیل رشته
باز گرداندن رشتهها به مجموعه متغیرها
تعداد بیتهای متناظر با هر متغیر
جمعیت
ایجاد جمعیت اولیه
اندازه جمعیت
محاسبه برازندگی (تابع ارزش)
انواع روشهای انتخاب
انتخاب چرخ رولت
انتخاب حالت پایدار
انتخاب نخبه گرایی
انتخاب رقابتی
انتخاب قطع سر
انتخاب قطعی بریندل
انتخاب جایگزینی نسلی اصلاح شده
انتخاب مسابقه
انتخاب مسابقه تصادفی
انواع روشهای ترکیب
جابهجایی دودوئی
جابهجایی حقیقی
ترکیب تکنقطهای
ترکیب دو نقطهای
ترکیب n نقطهای
ترکیب یکنواخت
ترکیب حسابی
ترتیب
چرخه
محدّب
بخش_نگاشته
احتمال ترکیب
تحلیل مکانیزم جابجایی
جهش
جهش باینری
جهش حقیقی
وارونه سازی بیت
تغییر ترتیب قرارگیری
وارون سازی
تغییر مقدار
محک اختتام اجرای الگوریتم ژنتیک
انواع الگوریتمهای ژنتیکی
الگوریتم ژنتیکی سری
الگوریتم ژنتیکی موازی
مقایسه الگوریتم ژنتیک با سیستمهای طبیعی
نقاط قوّت الگوریتمهای ژنتیک
محدودیتهای GAها
استراتژی برخورد با محدودیتها
استراتژی اصلاح عملگرهای ژنتیک
استراتژی رَدّی
استراتژی اصلاحی
استراتژی جریمهای
بهبود الگوریتم ژنتیک
چند نمونه از کاربردهای الگوریتمهای ژنتیک
فصل سوم
مقدمه
حلّ معمای هشت وزیر
جمعیت آغازین
تابع برازندگی
آمیزش
جهش ژنتیکی
الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دورهگرد
حل مسأله TSP به وسیله الگوریتم ژنتیک
مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP
نتیجه گیری
حلّ مسأله معمای سودوکو
حل مسأله
تعیین کروموزم
ساختن جمعیت آغازین یا نسل اول
ساختن تابع از ارزش
ترکیب نمونهها و ساختن جواب جدید
ارزشیابی مجموعه جواب
ساختن نسل بعد
مرتب سازی به کمک GA
صورت مسأله
جمعیت آغازین
تابع برازندگی
انتخاب
ترکیب
جهش
فهرست منابع و مراجع
پیوست
واژهنامه
خلاصه ای از مقاله :
مطالعات و تحقیقات زیادی نشان داده است که دیابت نوع 1 با چند شکلی ژنهای ناحیه HLA روی کروموزوم (6P21)6 ارتباط دارد . اخیراً نتایج تحقیقات شاهد دار درجمعیت بلژیک در سطح DNA نشان داد که بین دیابت نوع 1 و بعضی ژنهای HLA کلاس II به ویژه DRB1Lys71+ ارتباط معنی داری از نظر آماری وجود دارد.
تحقیقی نایاب و مناسب دانشجویان پزشکی و ژنتیک در قالب word و در 14 صفحه .